-
公开(公告)号:CN117067223A
公开(公告)日:2023-11-17
申请号:CN202311332423.9
申请日:2023-10-16
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于运动稳定性估计的六足机器人自由步态规划方法,属于足式机器人运动控制技术领域,包括以下步骤:首先,求解并量化六足机器人实时运动稳定裕度与估计稳定裕度,通过稳定裕度估计提高机器人对其运动稳定性判断的前瞻性;其次,基于稳定裕度估计值规划六足机器人的自由步态序列,以提前规划调整步态的方式提高机器人的运动稳定性。本发明采用上述的一种基于运动稳定性估计的六足机器人自由步态规划方法,可以使六足机器人能够通过自身历史运动稳定性变化信息估计未来一段时间内的运动稳定性变化趋势,并根据稳定性估计结果超前、自发地生成具有更好运动稳定性的步态序列,提高机器人在非预知环境中的运动稳定性与环境适应性。
-
公开(公告)号:CN116911176A
公开(公告)日:2023-10-20
申请号:CN202310832623.4
申请日:2023-07-08
Applicant: 哈尔滨理工大学
Abstract: 本发明属于轮式移动机器人感知决策领域。本发明公开了一种基于轮式移动机器人速度和振动状态的地形可通过性预测方法,解决了轮式机器人以不同指令速度通过地形时,地形可通过性程度不同的问题,具体方法为:以高度地图和指令速度做输入,机器人振动矢量和速度损失做输出,构建用于训练CNN网络的数据集;经训练得到的CNN预测模型的输出作为模糊逻辑算法的输入,综合评价地形可通过性;预测阶段,根据预测模型以及综合评价方法,以不同指令速度和局部高程地图作为输入,预测对应速度下局部地形的可通过性。本发明使机器人在执行运动规划前,提供不同速度对应不同局部地形可通过性的分布情况作为先验条件,提高了轮式机器人导航的高效性和安全性。
-
公开(公告)号:CN116151359B
公开(公告)日:2023-09-29
申请号:CN202211507379.6
申请日:2022-11-29
Applicant: 哈尔滨理工大学
Abstract: 本发明属于足式机器人驾驶操作技术领域。本发明公开了一种基于深度神经网络的六足机器人驾驶员决策模型分层训练方法,解决六足机器人驾驶员决策经验量化建模的问题。本发明所述的一种基于深度神经网络的六足机器人驾驶员决策模型分层训练方法,采用一种功能层次清晰、便于分步调试的深度神经网络结构,并采用梯度下降法逐层对神经网络参数进行训练,以分层、逐步、反向寻优的方式得到六足机器人驾驶员决策的神经网络模型。本发明可有效提升传统神经网络对高维非线性多输入/出决策模型训练的收敛速度和模型输出结果的可解释性,用该方法得到的驾驶员决策模型可大大提升六足机器人的自主决策水平。
-
公开(公告)号:CN114012729B
公开(公告)日:2023-06-06
申请号:CN202111352020.1
申请日:2021-11-16
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明属于足式机器人遥操作技术领域。本发明公开了一种应用于六足机器人的交互力估计控制器,解决了六足机器人在没有力传感器的情况下,可以对主端机器人与操作者和从端机器人与环境的交互力进行估计。本发明所述的一种应用于六足机器人的交互力估计器,应用于双主端机器人,单从端机器人的结构系统,提出了基于干扰观测器的交互力估计器的设计。本发明能够有效提高从端六足机器人在无力传感器的情况下的容易出现的问题,并且能在保证系统稳定性的前提下降低成本,提升系统的透明性。
-
公开(公告)号:CN112276944A
公开(公告)日:2021-01-29
申请号:CN202011116797.3
申请日:2020-10-19
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明公开一种基于意图识别的人机协作控制方法,包括机械臂、运动意图估计系统以及控制系统,所述机械臂包含端部受动器以及力传感手柄,所述力传感手柄设置在机械臂的端部受动器上,用于测量肢体向所述机械臂施加的力。采用基于径向基神经网络的运动意图识别系统估计出人的意图信息,这里将人的运动意图简化为人类肢体与机械臂作用点处的速度。控制系统根据意图信息对机械臂产生控制输入,并驱动机械臂端部受动器达到预定速度。在以接触力为交互信息的人机协作中,该方法既减小了合作者的作用力,又改善了机器人运动的柔顺性,达到人机同步运动的效果。
-
公开(公告)号:CN109683466A
公开(公告)日:2019-04-26
申请号:CN201910013626.9
申请日:2019-01-08
Applicant: 哈尔滨理工大学
IPC: G05B9/00
CPC classification number: G05B9/00
Abstract: 一种足式机器人的主动容错控制方法。目前没有一个足式机器人控制系统能够一直完美地工作,因此在系统故障下增加机器人的安全性和更可靠的控制,使系统稳定并保持其性能已成为一个关键问题。一种足式机器人的主动容错控制方法是基于故障检测与隔离(FDI)技术的模型,利用一组约束卡尔曼滤波器(线性系统状态方程),通过系统输入和输出观测数据对系统状态进行最优估计,在系统观测数据存在干扰和随机噪声的情况下,估计故障执行器-传感器的有效因素,再结合奇异值分解(SVD)原理和特征结构配置技术,设计一种可重构控制器。本发明应用于足式机器人的主动容错控制。
-
公开(公告)号:CN105468012B
公开(公告)日:2018-04-10
申请号:CN201610004959.1
申请日:2016-01-07
Applicant: 哈尔滨理工大学
IPC: G05D1/08
Abstract: 针对重型载人足式机器人线控转向系统的路感模拟方法,涉及一种增强其操纵临场感的方式。本发明是为了解决以电信号的方式操纵足式机器人转向过程中由于路感信息的缺失而造成操纵不准确的问题。本发明首先确定转向操纵方式;其次推导机器人转向过程中足‑地力作用在重心处的理论力矩;然后通过腿部液压缸运动‑力学模型解算各关节实际转矩并推导机器人转向过程中足‑地力作用在重心处的解析力矩;最后采用滑模控制,使线控转向系统内的路感电机模拟出高保真的足‑地接触力矩并反馈给驾驶员;利用本发明可以实时的还原出机器人与路面相互作用的接触信息,从而提高了驾驶员操纵机器人的稳定性及准确性。本发明适用于足式机器人的操纵技术领域。
-
公开(公告)号:CN119537767A
公开(公告)日:2025-02-28
申请号:CN202411599499.2
申请日:2024-11-08
Applicant: 哈尔滨理工大学
IPC: G06F17/11 , G06N3/0464 , G06N3/08 , G06N3/0442
Abstract: 本发明属于轮式移动机器人状态估计领域,本发明公开了一种基于深度学习的轮式移动机器人滑转率预测方法,解决了传感器实时测量无法提前预测和轮地交互复杂性导致预测精度不足的问题。具体方法为:首先,构建轮式移动机器人相关运动数据的车轮滑转率数据集;然后,优化改进CNN‑LSTM的网络层数和结构,高效提取信息和捕捉特征;此外,设计的隐藏状态增强模块强化隐藏状态的更新,设计的改进注意力机制模块动态调整输入特征权重,突出最重要特征;最后,设计考虑力学约束的复合损失函数用以训练模型,对训练好的模型进行验证和性能评估。本发明使得轮式移动机器人在不同地形上有较好的适应能力,提升了滑转率预测的准确性和稳定性。
-
公开(公告)号:CN119033387A
公开(公告)日:2024-11-29
申请号:CN202411460789.9
申请日:2024-10-18
Applicant: 哈尔滨理工大学
IPC: A61B5/374 , A61B5/00 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明属于癫痫发作预测技术领域,公开了一种基于全局上下文感知生成网络的癫痫发作预测方法,包括:获取癫痫发作前期和间期的脑电信号;对脑电信号滤波和时间窗分割,得到时间窗信号片段;构建全局上下文感知生成网络,对时间窗信号片段进行全局依赖关系捕获与上下文信息整合,得到合成信号片段;构建多尺度时频特征深度卷积癫痫发作预测模型,对数据增强样本进行多尺度时频分析,深入挖掘癫痫脑电的关键特征。本发明采用上述一种基于全局上下文感知生成网络的癫痫发作预测方法,克服发作状态持续差异性的问题,保证脑电数据样本空间丰富性,提高预测精度,为癫痫发作预测领域提供新的思路和技术手段。
-
公开(公告)号:CN118409596A
公开(公告)日:2024-07-30
申请号:CN202410641516.8
申请日:2024-05-22
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种有人驾驶的足式移动平台人机路径优选及协同方法,本发明通过人机协同的方式,采取足式移动平台路径规划和驾驶员路径规划相融合的方法,在保证全局路径最优的前提下,消除了足式移动平台路径与驾驶员路径选择时可能存在的冲突,解决了传统路径规划方法考虑因素有限的问题。本发明技术要点为:在已知地图基础上,利用路径规划算法得到足式移动平台路径;驾驶员通过外置设备绘制驾驶员路径;利用博弈理论将足式移动平台、驾驶员规划路径实时融合;通过路径评估函数实时评估路径,针对不可通过的局部路径,利用混合RRT‑APF算法进行局部路径重规划,直至足式移动平台抵达目标点完成任务。
-
-
-
-
-
-
-
-
-